2020 Fiscal Year Research-status Report
Deep learningとドローンを用いた空間的圃場診断技術の開発
| Project/Area Number |
20K15631
|
|---|
| Research Institution | National Agriculture and Food Research Organization |
|---|
Principal Investigator |
森下 瑞貴 国立研究開発法人農業・食品産業技術総合研究機構, 農業環境変動研究センター, 研究員 (90845637)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 土壌診断 / UAV / 深層学習 / 地理情報システム / リモートセンシング |
|---|
| Outline of Annual Research Achievements |
地力ムラや生育ムラに応じた的確な圃場管理のため、ドローンを活用した面的な圃場診断技術が注目されている。また、高い地上分解能が特徴のドローン画像は、人工知能（AI）を駆動するためのビッグデータとしての活用も期待されている。ドローンを活用したAI駆動型の圃場診断が実現すれば、圃場管理の省力化や適正施肥による低コスト化等の効果が見込め、農業従事者人口が減少している現代において重要な技術となる。
一方で、ドローンとAI技術を用いた圃場診断技術における課題は、作物の生育程度や土壌肥沃度に関するグラウンドトゥルース（地上で取得できる実測値）の点数が不足することである。一般に、AIを構築するために必要な学習データの数は数千～数万点が理想的であるが、これに匹敵するグラウンドトゥルースデータを通常の調査で取得することは、実地調査や試料分析にかかる労力を考えると現実的ではない。
そこで本研究では、①土壌分析データの拡張によるビッグデータの構築、②携行型の電磁誘導探査装置による圃場内数千点における土壌情報の取得、の2つのアプローチからデータ不足を解消し、ドローンとAI技術を効果的に活用した空間的圃場診断技術を開発する。
令和２年度においては、特に上記①について取り組んだ。主な成果として、ドローン空撮画像から圃場内の土壌特性分布を推定する際に、地上で取得した土壌診断値が一定範囲内（数ｍ程度）で均質と仮定してデータを拡張することによって試料点数の不足を解消し、ドローン画像と実試料分析値の関係について機械学習を行うことで、精度の高い空間推定モデルを構築することが可能になった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和2年度においては、COVID-19の影響もあり作付前の土壌試料採取が困難であったため、実試料の分析結果は取得できていない。しかしながら、年度内に圃場での土壌試料採取、電磁探査、ドローン空撮を実施でき、次年度以降の研究計画に支障はない。また、試料採取以前は、既存のデータを用いた機械学習の実装や最適なアルゴリズムの検討を行った。なお、これまでに開発したグラウンドトゥルースデータの拡張手法については、技術論文として取りまとめ、投稿中である。
以上の状況から、おおむね順調に進展していると判断した。
|
| Strategy for Future Research Activity |
令和2年度に収集した土壌試料の分析値を取得し、測位情報を基に電磁探査結果およびドローン空撮画像と対応させることでデータセットを構築する。同データセットを用いて、畳み込みニューラルネットワークをはじめとした深層学習や、ランダムフォレスト等の機械学習による土壌特性の面的推定を実施し、各モデルの性能を比較することで効果的な圃場診断手法を提案する。
|
| Causes of Carryover |
COVID-19の影響で作付け前の試料採取が困難だったことにより、令和２年度に予定していた土壌分析委託を令和３年度に実施するため。
|
